* Titre : Outillage de l'accès aux textes par lecture active
  étymologique multilingue *

 Responsables à contacter  
Envoyez votre CV par Mel à :
Valérie Bellynck (Valerie.Bellynck@imag.fr)
Mathieu Mangeot (Mathieu.Mangeot@imag.fr)

* Mots clés - Keywords *
Ressources linguistiques, Ressources lexicales, TAL, service Web,
intercompréhension en langues romanes, intercompréhension en langues
sinogrammiques

* Profil - Compétences *
Étudiant en M2R informatique intéressé par les langues ou plus
généralement les humanités numériques ou linguiste ayant de bonnes
connaissances en programmation Web.
HTML/XML, javascript, PHP, services Web, analyse lexicale, bases
lexicales, API REST.

* Précisions sur l'offre *
- Durée du stage : 5 à 6 mois à temps plein
- Date de début : 2018
- Rémunération : tarif en vigueur (~550¤/mois)

- Lieu : Laboratoire LIG, Bâtiment IMAG, 700 avenue centrale 38400
  Saitn Martin d'Hères

 Description 

L'apprentissage des langues peut être grandement facilité par les outils
informatiques au sens large. La lecture active est un de ceux-ci. Elle
permet d'afficher des compléments d'information (transcriptions
phonétiques, traductions de mots, etc) pendant la lecture d'un texte.
En quelque sorte, elle réalise l'équivalent électronique du dictionnaire
main-gauche.
L'outil affiche au dessus d'un texte entré par l'utilisateur une
transcription des mots dans une autre langue mieux connue de celui-ci et
rend disponible la traduction de chaque mot au survol de la souris. La
traduction n'est pas affichée de manière permanente pour inciter le
lecteur à comprendre le texte.
L'utilisateur peut contribuer directement, améliorer, ou même juste
s'approprier des formes lexicales, au plus près de sa lecture. Voir
http://jibiki.fr/lecture .

Les traitements nécessaires à la réalisation de cet outil sont
principalement l'utilisation d'outils de traitement automatique des
langues dont des analyseurs morphologiques ainsi que la consultation
d'une base lexicale.

Nous voulons étendre ce concept pour aider à retenir la forme des mots
et faciliter l'intercompréhension dans des langues voisines. Il s'agit
alors d'afficher des constituants des mots, soit pour leur origine
étymologique, soit pour leur ressemblance.

 Problèmes durs 

- généricité
  L'application finale doit être conçue de manière totalement générique
  du point de vue des langues traitées mais également des ressources
  lexicales et des outils de TAL utilisés.

- extraction d'information
  L'information utile se trouve dans certains dictionnaires. Cependant,
  bien souvent, les entrées ne sont pas suffisamment structurées pour
  trouver simplement ces informations. Il faut donc les analyser pour
  trouver l'information voulue puis les modéliser pour les intégrer à la
  base lexicale.

- comparaison de chaînes de caractères
  Il faut également être capable de modéliser les permutations
  phonologiques à l'aide d'outils tels que des transducteurs à états
  finis puis calculer des distances de chaîne entre les mots des
  différentes langues en jeu (voir dans l'exemple ci-dessous densha <=>
  diànche).

- conception d'interfaces utilisateurs
  L'affichage final des résultats demande de concevoir les modalités
  d'affichage et d'interaction permettant de rendre sensible les
  différentes sources de ressemblance (racine linguistique, langue, mode
  d'écriture, ...).

L'exemple suivant est tiré d'un scénario où le lecteur apprend le
japonais et possède des connaissances en mandarin. D'autres scénarios
sont possibles avec des ensemble de langues voisines (groupes de langues
ou langues régionales comme les langues romanes, le français et le
breton, etc.). Cette partie du sujet peut s'adapter aux affinités du
stagiaire.

 Références 

Goudin, Y. Mangeot, M., Loiseau, M. Bellynck, Mboning, E. & Eggers,
E. (2017). `La prise en charge du lexique pour l'apprentissage sur
plateforme en ligne : scénarios d'utilisation et prises en compte des
spécificités du mandarin' avec , in Journées de l'AREC 2017 « Le lexique
chinois contemporain », Université Diderot, 2-3 juin.

Mangeot, M., Bellynck, V., Eggers, E., Loiseau, M., & Goudin,
Y. (2016). Exploitation d'une base lexicale dans le cadre de la
conception de l'ENPA Innovalangues. In I. Smilauer & J. Kostov (Éd.),
Actes de la conférence conjointe JEP-TALN-RECITAL 2016 (Vol. 9 : ELTAL,
p. 48-64). Paris: ATALA/AFCP. Consulté à l'adresse
https://jep-taln2016.limsi.fr/actes/Actes%20JTR-2016/V09-ELTAL.pdf

Mangeot, M., (2016). Collaborative construction of a good quality, board
coverage and copyright free Japanese-French dictionary. In International
Journal of Lexicography 2016; doi: 10.1093/ijl/ecw035; 35 p.

Degache, C. (1997) : « Développer l'intercompréhension dans l'espace
linguistique roman: le programmeGalatea/Socrates », Document ronéoté,
Assises de l'enseignement du et en français, séminaire de Lyon,
Aupelf-Uref, 23-25 septembre 1997.

Mathieu MANGEOT
GETALP-LIG Bureau 338
Bâtiment IMAG, 700 avenue Centrale
F-38400 St Martin d'Hères France
Tel : +33 4 57 42 15 26 / +33 4 79 75 81 89